基于ViBe的室外动态背景闪烁像素噪声消除方法

针对使用视觉背景提取(Vi Be)模型在室外动态背景下进行移动目标检测时存在不规则闪烁像素点对前景检测结果造成干扰的问题,提出一种基于视觉背景提取算法的闪烁像素噪声消除方法。在背景模型建立阶段设定背景模型样本标准差阈值,约束背景模型的采样值范围以提高背景模型准确性。在前景检测阶段引入自适应检测阈值提高前景物体检测精度,在背景模型更新过程中对图像边缘背景像素点进行边缘抑制以阻止错误背景样本值更新到背景模型。在此基础上,结合形态学操作修复连通域,提高前景图像的完整性。最后选取多个视频序列将该方法与原始Vi Be算法、形态学改进方法的检测结果进行对比。实验结果表明,该方法能有效消除闪烁像素噪声对前景检测造成的影响,获取更精确的前景图像。

改进ViBe的运动目标检测算法

针对ViBe算法对光照突变不敏感以及由于背景存在大量高频扰动对象而被误检为前景的问题,在经典ViBe算法的基础上提出了改进方法。采用分离视频帧HSV空间中V分量均值作为判断光照突变的方法,由实验得到判断光照突变的阈值Δω=0.1作为判别条件,若光照发生突变则采用突变平稳后的视频帧作为初始帧重新建模,以此解决光照突变问题,由于算法初始建模时存在运动目标会产生“鬼影”的情况,采用连续两帧差分背景模型的方法去除“鬼影”,并提出判断扰动强弱情况的扰动强度因子概念,根据扰动强度因子强弱程度,动态的改变背景建模时匹配半径的大小。实验表明,改进ViBe算法在光照突变和背景高频扰动情况下比原算法的误检率平均降低6%左右,且能够达到实时检测的效果。

融合两帧差分法的改进视觉背景提取算法

针对视觉背景提取(visual background extractor,ViBe)算法在运动目标检测过程中容易受到噪声干扰的问题,将两帧差分法融入ViBe的前景检测阶段,提出一种融合两帧差分信息的改进ViBe算法(ViBe with two-frame differencing,ViBe-TD)。首先,设计单阈值形ViBe(single-threshold form of ViBe,S-ViBe)检测,为信息融合做准备;其次,基于逻辑斯蒂(logistic)回归模型,实现像素点上两帧差分和S-ViBe检测信息的融合;最后,综合两类检测信息完成前景像素点的判定。实验结果表明,ViBe-TD算法在4种不同场景视频上的检测效果达到了0.932的平均精确率,0.785的平均召回率以及0.842的平均F 1值。与原算法相比,ViBe-TD算法的各项指标平均有0.158的提高,具有良好的检测效果。

一种改进的基于QPSO的VIBE算法

与传统背景减除建模算法相比,视频背景提取算子(VIBE)算法无需估计背景数据的概率分布。所以,不像传统背景减除算法需要一定数量的训练视频帧,具有较小的运算复杂度与较好的精度,适用于嵌入式实时视频监测。某些场合下,视频流需要适时改变分辨率。然而,传统VIBE算法通常采用固定参数,不同分辨率的视频流,会导致固定参数的VIBE算法的检测精度下降。为此提出一种基于量子蚁群最优(QPSO)参数寻优算法,在初始状态对于视频流进行参数寻优计算,获取相应的最优参数,从而提高VIBE算法的学习能力。实验从定量和定性两个角度验证了本文改进的VIBE算法大幅度提升了针对不同分辨率的视频流分析能力。

ViBe背景减除步态检测

在步态检测过程中,ViBe算法利用单帧进行像素建模以及背景突然变化的处理。与混合高斯模型进行了对比分析,结果表明,该ViBe算法在建模、识别率等方面具有优势。

一种改进的融合前景点重采样的ViBe算法

针对视频第一帧中存在待检测的运动物体,利用视觉背景提取算法(ViBe)对该物体后续帧检测,会在第一帧的位置上持续出现鬼影现象,提出了一种改进的ViBe算法.该算法在视频中融合连续N帧图像作为前景点的基础上,采用重采样的方法来初始化背景模型以实现动态背景有效提取.实验结果表明,提出的改进算法能有效地检测出动态背景下移动物体,并能有效地解决图像获取的鬼影现象,从而提高了算法的误检率及鲁棒性,通过改进后的ViBe算法比原算法能够更有效地检测动态背景下的运动目标.

一种能快速抑制鬼影及静止目标的ViBe改进算法

ViBe算法存在鬼影和静止目标问题,这些问题给目标检测带来误差,需要快速有效地抑制。文章在原始ViBe算法基础上,先通过比较局部区域的背景模型像素值方差和新来帧该区域的像素值方差的大小来判断该区域存在鬼影还是静止目标,存在则进行抑制,然后采用不同的策略更新鬼影区域和静止目标区域的背景。实验结果中,改进算法仅用15帧就可以完全抑制鬼影,仅用20帧就能完全抑制静止目标,而原始ViBe算法完全抑制鬼影需要108帧且抑制静止目标能力有限。实验结果表明,对于普通的以及背景较为复杂的监控场景,文中改进算法可行、有效。

基于颜色布局描述子的改进ViBe算法

针对ViBe算法在检测运动目标时会有"鬼影"产生和在动态背景下会对目标检测过程中产生干扰造成运动目标误检的问题,结合颜色布局描述子(CLD)提取关键帧进行三帧差分、形态学后处理的技术,提出一种改进的ViBe算法。首先,通过CLD提取视频关键帧图像;然后,将所选取关键帧图像进行三帧差分,通过差分结果将含有运动目标的背景模型进行填充,得到真实的背景图像,再对运动目标进行检测,以达到消除鬼影的目的;最后,在背景模型更新的阶段加入自适应阈值的形态学处理技术,消除动态背景模型中的干扰信息。实验结果表明,所提算法在运动目标检测时在避免鬼影、抗动态背景干扰等方面表现出优越性,在相似度量阈值选取为0.67到0.72时,所提算法的准确率最高可以达到99.4%,可以理想地检测出运动目标的位置信息。

An improved ViBe algorithm based on adaptive detection of moving targets

There exists a Ghost region in the detection result of the traditional visual background extraction(ViBe)algorithm,and the foreground extraction is prone to false detection or missed detection due to environmental changes.Therefore,an improved ViBe algorithm based on adaptive detection of moving targets was proposed.Firstly,in the background model initialization process,the real background could be obtained by setting adjusting parameters in mean background modeling,and the ViBe background model was initialized by using the background.Secondly,in the foreground detection process,an adaptive radius threshold was introduced according to the scene change to adaptively detect the foreground.Finally,mathematical morphological close operation was used to fill the holes in the detection results.The experimental results show that the improved method can effectively suppress the Ghost region and detect the foreground target more completely under the condition of environmental changes.Compared with the traditional ViBe algorithm,the detection accuracy is improved by more than 10%,the false detection rate and the missed detection rate are reduced by 20% and 7% respectively.In addition,the improved method satisfies the real-time requirements.

基于改进ViBe算法的运动目标检测方法

针对视觉背景提取(Vi Be)算法光照适应性差的问题,提出一种结合三帧差分法的Vi Be算法。该算法结合了三帧差分法光照适应性强以及Vi Be算法检测精度高的优点。首先,使用Vi Be算法进行运动目标检测;当发现前景目标面积与图像面积的比例超过预设阈值时,改用三帧差分法检测运动目标,以减少光照变化对检测结果的影响;最后,该算法使用中值滤波和形态学处理,以减少检测结果的空洞。实验结果表明,改进后的Vi Be算法提高了原算法在光照变化场景的鲁棒性,检测效果优于单独使用Vi Be算法或者三帧差分法的检测结果。

An improved Vibe algorithm for illumination mutations

The visual background extractor(Vibe)algorithm can lead to a large area of false detection in the extracted foreground target when the illumination is mutated.An improved Vibe method based on the YCbCr color space and improved three-frame difference is proposed in this paper.The algorithm detects the illumination mutation frames accurately based on the difference between the luminance components of two frames adjacent to a video frame.If there exists a foreground moving target in the previous frame of the mutated frame,three-frame difference method is utilized;otherwise,Vibe method using current frame is used to initialize background.Improved three-frame differential method based on the difference in brightness between two frames of the video changes the size of the threshold adaptively to reduce the interference of noise on the foreground extraction.Experiment results show that the improved Vibe algorithm can not only suppress the“ghost”phenomenon effectively but also improve the accuracy and completeness of target detection,as well as reduce error rate of detection when the illumination is mutated.

基于改进ViBe算法的运动目标检测

针对视觉背景提取(Visual background extractor,ViBe)算法在镜头抖动和动态场景下运动目标误检率高的问题,提出了一种改进的ViBe算法。首先利用背景点有无整体运动来判断镜头是否抖动,接着根据背景点的运动求出全局运动参数,然后加入运动补偿算法消除镜头抖动对背景模型更新的影响,最后通过前景图像的连通域集合对动态场景下的动态噪声进行过滤,实现更为精准的运动目标检测。多种数据集测试结果表明,改进后的ViBe算法在镜头抖动和动态场景下能准确检测出运动目标,各项评价指标均优于经典ViBe算法和其他对比算法,具有一定的实用价值。

基于改进ViBe的穿墙雷达动目标检测算法

针对穿墙雷达接收到的回波信号较弱,成像中的耦合信号有所增强,传统动目标检测算法不能完全消除检测后图像中虚警现象的问题,提出一种改进的动态阈值ViBe检测算法,使其能适应穿墙雷达图像动目标像素值变化问题;采用三帧差,消除由墙体和天线耦合等强杂波导致的“鬼影”现象,并利用目标的扩展特性,采取保留连通域的方法,消除了图像中的孤立噪点。实验结果表明,该方法可以有效消除室内强杂波引起的虚警现象,准确、实时地提供目标的位置信息,并具有一定的鲁棒性。

一种基于ViBe与卡尔曼滤波的运动检测算法设计

为了实现对运动物体的追踪,结合ViBe(背景提取算法)对视频首帧进行样本集建立,通过像素级别的逐帧判断,将前景与背景进行了分离,进行形态学处理之后利用卡尔曼滤波对分离后的结果进行运动物体追踪和标记。基于Matlab通过视频处理实验验证了可行性,可以在机器视觉、视频监测处理领域有所应用。

动态背景下基于改进视觉背景提取的前景检测

由于视觉背景提取算法(ViBe)对存在动态背景的户外视频的前景检测结果依然不够精确,故提出了一种改进的ViBe算法。文中描述了经典ViBe算法及其特点;介绍了改进的ViBe算法针对动态背景的改进措施。该算法采用多帧连续图像初始化背景模型,降低了单帧图像初始化所产生的"鬼影"对前景检测精度的影响;在匹配过程中,引入自适应的匹配阈值,克服了单个的全局阈值对动态背景适应能力差的问题;最后,在更新过程引入空间一致性判断与模糊准则来减少算法的误检,提高了算法的鲁棒性。实验结果表明,该算法可以有效地检测动态背景下的运动目标,检测准确率比经典ViBe算法提高了20%以上。

基于自适应虚拟线圈的多车道车流量检测算法

针对虚拟线圈检测算法在多车道车流量检测中存在误检或者漏检的问题,提出一种基于自适应虚拟线圈的车流量检测算法.根据图像二值化原理,对ViBe算法的前景检测部分进行二次判断,并改变背景更新机制,提出一种改进的ViBe算法,以达到快速消除鬼影的目的,更准确地完成前景目标提取.在道路上设置固定检测区域,根据运动目标在固定检测区域的运动轨迹来建立或者消除非固定虚拟线圈,再进一步使用虚拟线圈的车流量检测算法实现车流量统计.选择三个不同的场景4车道无车辆变道、2车道有车辆变道和3车道有车辆变道且环境突变进行实验,所提算法的车流量检测准确率比传统的虚拟线圈算法分别提高8.9、25和16.6个百分点,且所用时间相当.实验结果表明所提算法更适用于多车道的车流量检测.

改进视觉背景提取模型的运动目标检测算法

针对视觉背景提取模型对动态场景适应性不强、运动目标检测精度低等问题,提出一种改进的视觉背景模型算法.在模型建立与初始化阶段,采用按序抽取的方法将像素点本身信息加入到背景模型中,形成邻域背景模型,降低复杂场景对模型的影响;在前景检测阶段,结合像素点的空间邻域信息自适应地获取分割阈值,减少各类复杂场景对检测结果的干扰,提高运动目标检测的精度;在背景更新阶段,根据场景复杂度动态地调整模型的更新周期与更新方式,使得模型能够有效地消除虚影与背景噪声的影响,增强模型对复杂场景的适应性与鲁棒性.与典型算法进行对比的实验结果表明,该算法具备较高的检测精度,适用于动态场景中的运动目标检测.

基于灰度特征和自适应阈值的虚拟背景提取研究

针对虚拟背景提取(Visual Background extractor,Vi Be)算法在目标检测时容易出现鬼影和运动目标阴影的缺点,该文提出了一种基于灰度特征和自适应阈值的Vi Be背景建模改进方法。该算法首先利用Vi Be算法进行背景建模,得到前景目标,然后对前景目标进行灰度特征判断和自适应阈值比较,得到没有鬼影和运动目标阴影的运动目标。实验结果表明,改进后的算法可以很好地弥补Vi Be算法的不足,提高Vi Be算法的识别准确率。

一种用于消除伪影的增强视觉背景提取算法

视觉背景提取算法(ViBe)在视频的首帧图像中随机地选取每个像素的空间邻域像素,对其背景模型进行初始化。该算法在检测初期容易产生伪影。针对该问题,提出一种采用像素的时间域信息初始化背景模型的增强视觉背景提取算法(E-ViBe)。首先,利用像素在连续的多帧图像中的历史像素完成模型的初始化;然后,根据空间邻域像素所得到的背景复杂度自适应地获取分割阈值;最后,采用动态更新率对背景模型进行更新,从而让背景模型更快、更好地适应场景的变化。实验结果表明,E-ViBe算法不仅能够快速、有效地去除伪影,也提高了目标检测的准确度。

一种基于改进视觉背景提取算法的前景检测

针对视觉背景提取ViBe算法在前景检测中存在的鬼影现象且长时间难以消除的缺点,提出一种改进的视觉背景提取算法。首先,在视频前n帧序列的帧差法中,引入大津(OTSU)算法求自适应阈值,以分割出更为准确的前景区域;其次,利用去除前景区域的前n帧图像合成一张尽量少的包含前景区域的样本图像;最后利用扩展的邻域范围在合成的样本图像中对模型初始化,并把扩大的范围用在ViBe背景模型更新阶段。该算法与各种经典算法在大量视频库中进行了对比实验,仿真结果表明,改进的ViBe算法能快速消除鬼影对前景检测的影响,前景检测更为准确。